期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于YOLO v5的农田杂草识别轻量化方法研究
被引量：
9
1
作者
冀汶莉
刘洲
邢海花
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第1期212-222,293,共12页
针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MS...
针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。
展开更多
关键词
杂草识别
目标检测
YOLO
v5s
轻量化特征提取网络
ghost卷积模块
注意力机制
在线阅读
下载PDF
职称材料
面向扶梯不安全行为的改进型深度学习检测算法
被引量：
2
2
作者
李伟达
叶靓玲
+3 位作者
郑力新
朱建清
曾远跃
林俊杰
《华侨大学学报（自然科学版）》
CAS
2022年第1期119-126,共8页
以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检...
以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.
展开更多
关键词
扶梯
不安全行为
目标检测
YOLOv5s
CBAM
模块
ghost卷积模块
在线阅读
下载PDF
职称材料
轻量化网络模型实现相位的快速解缠绕
3
作者
方金生
张会冉
《闽南师范大学学报（自然科学版）》
2021年第4期23-31,共9页
针对深度神经网络参数量大、严重消耗硬件运算资源的问题,提出一种改进型的UNet相位图像解缠绕的轻量化网络模型(G-UNet).该网络利用Ghost卷积构建GhostBlock模块,实现不同卷积层间的线性变换,再由GhostBlock构建多层的G-UNet网络,该算...
针对深度神经网络参数量大、严重消耗硬件运算资源的问题,提出一种改进型的UNet相位图像解缠绕的轻量化网络模型(G-UNet).该网络利用Ghost卷积构建GhostBlock模块,实现不同卷积层间的线性变换,再由GhostBlock构建多层的G-UNet网络,该算法有效地减小网络模型的总参数量,与传统UNet相比,G-UNet浮点计算量大幅减少.实验基于不同回波时间下仿真人脑的磁共振相位图,以UNet和传统相位解缠绕拉普拉斯算法作为对比算法,结果表明,提出的加速算法不仅可有效地进行相位解缠绕,获得与UNet相近且高于拉普拉斯算法的峰值信噪比和结构相似度,同时参数量及浮点计算量较UNet减少了近80%.
展开更多
关键词
ghost卷积模块
相位解缠绕
深度学习
轻量化网络模型
UNet
在线阅读
下载PDF
职称材料
题名
基于YOLO v5的农田杂草识别轻量化方法研究
被引量：
9
1
作者
冀汶莉
刘洲
邢海花
机构
西安科技大学通信与信息工程学院
海南师范大学信息科学技术学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第1期212-222,293,共12页
基金
国家自然科学基金项目(62066013)
海南省自然科学基金项目(622RC674)
西安市科技局农业科技创新工程项目(20193054YF042NS042)。
文摘
针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法。利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰。使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量。采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量。为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module, NAM),增强模型对杂草和玉米幼苗的特征提取能力。此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力。在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5%、12%和18%;平均精度均值(Mean average precision, mAP)为97.8%,分别提高1.3、5.1、4.4个百分点。单幅图像检测时间为118.1 ms,达到了轻量化要求。在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持。
关键词
杂草识别
目标检测
YOLO
v5s
轻量化特征提取网络
ghost卷积模块
注意力机制
Keywords
weed recognition
target detection
YOLO v5s
lightweight feature extraction network
ghost
convolution module
attention mechanisms
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向扶梯不安全行为的改进型深度学习检测算法
被引量：
2
2
作者
李伟达
叶靓玲
郑力新
朱建清
曾远跃
林俊杰
机构
华侨大学工学院
华侨大学工业智能化与系统福建省高校工程研究中心
福建省特种设备检验研究院泉州分院
出处
《华侨大学学报（自然科学版）》
CAS
2022年第1期119-126,共8页
基金
国家自然科学基金面上资助项目(61976098)
福建省泉州市高层次人才创新创业项目(2020C042R)
福建省科技计划项目(2020Y0039)。
文摘
以YOLOv5s网络模型为基础,引入注意力机制CBAM模块,基于Ghost卷积模块重构网络模型的卷积操作,提出一种面向扶梯不安全行为的改进型深度学习检测算法.然后,在自主收集的扶梯不安全行为数据集上对其进行训练评估.结果表明,所提算法在检测精度有所提高的同时,大幅减少了检测所需的参数量和计算量.
关键词
扶梯
不安全行为
目标检测
YOLOv5s
CBAM
模块
ghost卷积模块
Keywords
escalator
unsafe behavior
object detection
YOLOv5s
CBAM module
ghost
convolution module
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
TU229 [建筑科学—建筑设计及理论]
在线阅读
下载PDF
职称材料
题名
轻量化网络模型实现相位的快速解缠绕
3
作者
方金生
张会冉
机构
闽南师范大学计算机学院
数据科学与智能应用福建省高校重点实验室
出处
《闽南师范大学学报（自然科学版）》
2021年第4期23-31,共9页
基金
福建省自然科学基金面上项目(2021J011005)
福建省教育厅中青年项目(JAT190361)
厦门大学福建省等离子体与磁共振研究重点实验室开放课题项目(20191201)。
文摘
针对深度神经网络参数量大、严重消耗硬件运算资源的问题,提出一种改进型的UNet相位图像解缠绕的轻量化网络模型(G-UNet).该网络利用Ghost卷积构建GhostBlock模块,实现不同卷积层间的线性变换,再由GhostBlock构建多层的G-UNet网络,该算法有效地减小网络模型的总参数量,与传统UNet相比,G-UNet浮点计算量大幅减少.实验基于不同回波时间下仿真人脑的磁共振相位图,以UNet和传统相位解缠绕拉普拉斯算法作为对比算法,结果表明,提出的加速算法不仅可有效地进行相位解缠绕,获得与UNet相近且高于拉普拉斯算法的峰值信噪比和结构相似度,同时参数量及浮点计算量较UNet减少了近80%.
关键词
ghost卷积模块
相位解缠绕
深度学习
轻量化网络模型
UNet
Keywords
ghost
convolution module
phase unwrapping
deep learning
lightweight network
UNet
分类号
TP391.7 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于YOLO v5的农田杂草识别轻量化方法研究
冀汶莉
刘洲
邢海花
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
9
在线阅读
下载PDF
职称材料
2
面向扶梯不安全行为的改进型深度学习检测算法
李伟达
叶靓玲
郑力新
朱建清
曾远跃
林俊杰
《华侨大学学报（自然科学版）》
CAS
2022
2
在线阅读
下载PDF
职称材料
3
轻量化网络模型实现相位的快速解缠绕
方金生
张会冉
《闽南师范大学学报（自然科学版）》
2021
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
